一、任务：入门lightgbm,开始特征工程。
通过进阶的机器学习模型lightgbm来解决本次任务的问题，可以学会以下知识：
- 使用数据集绘制柱状图和折线图，
2. 使用时间序列数据构建历史平移特征和窗口统计特征，
3. 使用lightgbm模型进行训练并预测。
二、解决问题思路
由于本次的任务是回归预测，所以要想取得较好的效果，应该要使用到机器模型，如LightGBM、XGBoost，这种模型使用较简单，不需要对数据做过多的处理，只需要按照以下步骤来进行即可：
①探索性数据分析，主要是对数据集的处理，读取训练集和测试集
②数据预处理
③提取特征：通过特征工程来挖掘特征：在这次任务中采取了历史平移特征和窗口统计特征：
历史平移特征：把d-1时间的信息给d时间，d时间给d+1时间，这样就可以实现平移一个单位的特征构建。
窗口统计特征：窗口统计可以构建不同的窗口大小，然后基于窗口范围进行统计均值、最大值、最小值、中位数等信息，可以反应最近阶段数据的变化情况。
④切分训练集与验证集：由于数据存在时序关系，所以严格按照时序进行切分。，这样可以保证不会使用未来数据去预测历史数据。
⑤训练模型：在此次任务中，选择的是lightgbm,可以在不用调参的情况下也能得到比较稳定的分数
⑥预测结果
三、具体代码分析
（1）首先需要导入各种包
（2）进行探索性分析
（3）对数据进行可视化分析，可以更好的了解数据，同时画出了id为00037f39cf的一个折线图
(4)训练模型与测试集预测
四、运行结果
958
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
